Reference · Company dossier
从室内安保机器人起家，现为"AI 告警研判＋人工复核＋托管 GSOC（全球安全运营中心）"的物理安全自动化平台，机器人退居为边缘终端。[确认]
2016 年成立，总部旧金山；创始人 Travis Deyle（原 CEO，佐治亚理工医疗机器人博士，前 Google X）与 Erik Schluntz（原 CTO，前 SpaceX），首代室内巡逻机器人于 2017 年 3 月发布，由 Yves Béhar 的 fuseproject 设计。[确认] 2024 年 6 月被 Eagle Eye Networks 创始人 Dean Drako 收购，金额未披露，公司更名 Cobalt AI，Drako 任董事长，Ken Wolff 留任 CEO，团队独立运营；现有员工约 116 人。[确认]
2018 年 A 轮 1,300 万美元，Sequoia 领投，Founders Fund、Bloomberg Beta 等参与；2019 年 B 轮 3,500 万美元，Coatue 领投。[确认] 创始人自述累计融资 8,500 万美元 VC，另有 4,000 万美元以上风险债与硬件租赁融资；第三方数据库仅披露 4,800 万—5,350 万美元，口径不全。[确认] Forge 记录其 2022 年 Series C 估值约 3.6 亿美元，未经公司确认[推测]；2024 年退出价格未披露[未获取]。
三条产品线：Cobalt Monitoring Intelligence（CMI，接入摄像头、门禁与传感器，用专用 AI Handler 完成"检测—推理—处置—归档"）；Cobalt Command Center（7×24 托管 GSOC，AI 加人工）；Cobalt Robot（约 1.5 米高，60 余个传感器，含激光雷达、热成像、读卡器与双向屏，按 RaaS 订阅）。[确认] 2026 年 9 月推出 CMI SaaS，允许客户在自有 SOC 内保留基础设施与治理权，只购买 AI 研判层。[确认]
Cobalt AI 的技术栈分三层：边缘终端、告警研判层、托管运营层。边缘终端是 Cobalt Robot 与客户既有的摄像头、门禁、传感器；研判层是 Cobalt Monitoring Intelligence，负责把多源信号合成一条可处置的事件；运营层是 7×24 的 Cobalt Command Center，由人工完成最终判断与派单。[确认]
机器人本体约 1.5 米高，搭载 60 余个传感器，包括激光雷达、热成像、读卡器与双向屏，按订阅制交付。[确认] 固定摄像头的接入走客户的视频管理系统，门禁事件来自 LenelS2、Genetec、C-Cure、Brivo 一类平台，排班与访客数据来自客户的人事或访客系统。[确认] 三类数据按时间戳配对后，才进入研判。
数据流的起点是事件触发。摄像头或门禁产生一条原始告警，CMI 拉取告警前后若干秒的视频片段、同一区域的门禁刷卡记录、当班人员名单与客户政策文档，组成一个上下文包，再交给检测模型与推理层。[推测] 输出包含事件类型、根因假设、建议动作与置信度，处置结果写回审计日志。
部署形态在 2026 年 9 月出现分叉。托管模式由 Cobalt 的运营中心承接全部告警；CMI SaaS 允许客户在自有安全运营中心内保留基础设施与治理权，只购买研判层。[确认] 前者适合没有夜班团队的园区，后者适合已有大型安保团队、但希望压缩告警量的金融与数据中心客户。
机器人的感知以激光雷达做定位与避障，以可见光与热成像做异常识别，读卡器与双向屏承担人员交互。[确认] 室内定位依赖预先采集的平面图与实时扫描匹配，走廊、电梯厅与开放办公区的几何特征差异大，同一张地图在家具调整后需要重新标定。[推测]
环境理解的难点在跨源关联的准确性。一条“门在非工作时段被打开”的告警，单独看是异常，结合当班保洁的排班与刷卡记录之后属于正常事件。系统要把这类上下文自动拼接，判断依据来自客户政策，而政策以自然语言文档的形式存在，需要被结构化后才能参与推理。[推测]
失效模式集中在覆盖、画质、热源与尾随进入。摄像头被货架或广告牌遮挡，覆盖出现缺口；逆光与夜间红外切换造成画面质量突变；热成像把空调出风口、阳光直射的玻璃幕墙误判为热源；门禁的尾随进入缺少单独信号，只能靠视频补足。[推测] 行业里的替代方案是增加边缘计算盒子在本地做初筛，或改用云视频平台的原生分析，代价分别是运维复杂度与厂商绑定。
机器人自身的感知边界同样明显。1.5 米的高度让它在货架密集的仓库里视野受限，移动巡逻的覆盖频次低于固定摄像头，热成像与可见光的时间同步需要额外校准。[推测] 公司把机器人定位为移动的传感器节点与现场威慑，主要判断仍由固定摄像头与软件完成，这个定位在 2024 年之后更加清晰。
机器人的运动规划属于室内二维导航范畴：按预设巡逻点生成路径，用激光雷达做动态避障，遇到人流密集时降速或绕行，电梯与门禁由建筑系统接口控制。[推测] 这类规划的技术难度低于户外自动驾驶，工程难点在建筑差异：每栋楼的电梯协议、门禁控制器型号、Wi-Fi 覆盖都不相同，部署周期由此拉长。
可执行的动作集中在处置环节。系统可执行的动作包括向安保人员推送事件、通过机器人屏幕播报提示、经双向音频发起对话、调用门禁接口锁闭区域、生成工单并归档证据。[确认] 动作的选择由策略决定，策略把事件类型、置信度、时段与客户规则映射为处置序列，人工在关键节点确认 [推测]。
误判的代价不对称。漏报一次入侵的损失远高于误报一次，系统的阈值因此偏向召回，代价是告警量上升，人工复核的负担加重。公司公布的降噪数据是自动清除 90% 至 95% 的告警，核实事件在 75 秒内送达操作员，行业基准为 6 至 8.5 分钟。[确认]
替代方案有三条。客户可以增聘保安，成本随班次线性上升；可以采购传统视频分析，规则固定、误报率高；可以自建安全运营中心，前期投入与人员招聘周期长。[推测] Cobalt 的方案把固定成本转成订阅费，适合安防预算稳定、编制受限的企业园区与数据中心。
Cobalt 的数据资产来自十年运营。每一次告警都附带操作员的处置结论：真实入侵、员工误操作、设备故障、环境干扰。[确认] 这些结论构成带标签的训练集与评估集，规模随站点数量增长 [推测]。纯视频 AI 公司缺少这层人工判断记录，只能依赖公开数据集合成样本。
模型的训练目标分两级。检测层识别人员、车辆、包裹、攀爬、跌倒等基础事件；研判层把事件与上下文结合，输出是否需要人工介入。第二层的样本更稀缺，正例在全部告警中占比很低，训练时需要做重采样与代价敏感学习。[推测]
评估指标要看固定召回下的误报率。公司口径的 90% 降噪缺少分母说明：分母是全部告警，还是经过初筛的告警，两者的含义差别很大。第三方要验证，需要在同一站点对比启用前后的操作员工作量与真实事件漏报数。[推测]
数据权属是另一条边界。客户视频在托管模式下经过 Cobalt 的运营中心，用于模型改进需要合同授权；CMI SaaS 模式把数据留在客户环境，模型只能做联邦式更新或定期导出脱敏样本。[推测] 隐私法规对生物特征与面部图像的限制，在美国若干州与欧盟都直接影响可保留的时长与用途。
机器人的硬件策略接近系统集成。激光雷达、深度相机、热成像模组、读卡器与显示屏来自外部供应商，Cobalt 负责结构、散热、电池与整机装配。[推测] 这种策略让研发聚焦在软件与运营，单台成本受传感器价格影响，议价能力取决于采购量。
规模是硬约束。公司员工约 116 人。[确认] 第三方估算年收入约 1,300 万美元，机器人月费在 5,000 至 10,000 美元区间。[推测] 这样的出货量难以拿到传感器的最优价格，也难以支撑专用产线。硬件在商业模式里的角色更接近获客入口与数据采集终端，收入重心正在向订阅与托管服务转移。
制造与售后依赖第三方。整机装配、备件仓储与现场维修的外包比例没有披露。[未获取] 机器人部署在 10 个国家、5 大洲，跨境售后需要本地服务商网络，这部分能力构成隐性的运营成本。[确认]
供应风险集中在两类物料。激光雷达与热成像模组的交期在需求旺季会拉长，替代型号需要重新做标定与认证；电池运输受航空管制，跨境部署要走海运或本地采购。[推测] 这些约束不影响软件业务，却决定了机器人产品线能否快速扩张。
平台的开放性是 Cobalt 与封闭式安防厂商的主要区别。CMI 接入 LenelS2、Genetec、Milestone、C-Cure、Brivo 等主流系统，客户保留既有摄像头与门禁投资，Cobalt 只叠加研判层。[确认] 这种定位降低了采购阻力，也让 Cobalt 的软件必须适配多家厂商的接口差异。
接口的深度决定替换成本。门禁控制需要双向读写，视频需要低延迟拉流与回放检索，工单需要写入客户的 IT 服务系统。[推测] 每接一家视频管理系统，都要处理 ONVIF 协议差异、专有 SDK 授权与固件版本兼容，集成的工程量在项目初期占比很高。
治理结构带来额外的合作变量。收购方 Dean Drako 同时掌控 Eagle Eye Networks 与 Brivo，前者是云视频平台，后者是门禁厂商。[确认] 这层关系能为 Cobalt 提供渠道与接口优先级，也会让其他视频厂商在合作时顾虑客户数据流向。关联交易的定价与渠道冲突的处理方式，公开资料没有说明。[未获取]
迁移成本分布在政策库、审计历史与操作员习惯。客户把内部安保政策写成数百条规则并调过阈值之后，换供应商意味着重新配置与重新培训；审计记录是合规检查的依据，迁移时难以完整导出。[推测] 这三项构成软性锁定，强度取决于客户规模与监管要求。
第一条可证伪条件在降噪数据的可复现性。若到 2027 年底，第三方在同一站点做前后对比，发现操作员工作量下降不足三成，或真实事件的漏报数上升，那么 AI 研判替代人工筛选的判断需要修正。观察指标是每千路摄像头对应的操作员人数与漏报率。
第二条在毛利率。若 CMI 业务的毛利率长期低于 60%，且人工复核比例不随站点增加而下降，说明公司出售的是人力服务，估值应按安保服务商的标准计算。[推测] 观察指标是收入构成中订阅与托管的比例、单站点交付的人力投入。
第三条在渠道关系。若到 2028 年底，Eagle Eye 与 Brivo 的客户开始采购竞品的研判层，或 Drako 系公司把 CMI 的能力打包进云视频订阅免费提供，Cobalt 的独立定价空间会消失。[推测] 观察指标是关联方收入占比与第三方渠道的签约数。
面向企业园区、数据中心、金融、医疗、制造与物流，按站点、设备或坐席订阅收费；机器人月费第三方估算约 5,000—10,000 美元。[推测] 客户包括 Amazon、FedEx、Salesforce（创始人自述），以及 Ally Financial、DoorDash（二手来源）。[确认/推测] 渠道以直销为主，辅以安防集成商与经销商；Drako 同时掌控 Eagle Eye Networks 与 Brivo，可在云视频、门禁与渠道上形成协同，但也带来关联交易与渠道冲突的治理问题。[推测]
成本基准是人类保安与外包 GSOC（Allied Universal、Securitas 等）；机器人对手包括 Knightscope（户外 K5）、SMP Robotics、Boston Dynamics Spot 与 ANYbotics（巡检）；软件侧对手包括 Ambient.ai、Verkada、Hakimo、Calipsa 等；同一控制人下的 Eagle Eye 既是潜在渠道，也可能在云视频与告警侧形成竞争。[确认/推测] Cobalt 的差异化是"机器人＋AI＋人工"闭环与开放集成，而非单卖硬件；随着机器人收入占比下降，它更像一家安防 AI 软件与托管服务公司。[推测]
一是硬件规模化未验证，机器人更像获客与数据入口；二是被收购后披露减少，独立性与治理透明度下降；三是 AI 误判、隐私与责任归属带来的合规风险；四是安防预算周期与长销售周期。第三方估算其年收入约 1,300 万美元，规模仍小。[推测] 结论：Cobalt 找到了比卖机器人更健康的模式——用 AI 研判加人工兜底替代低效告警队列，粘性来自工作流而非硬件；但增长上限取决于能否从项目制托管走向标准化 SaaS，目前属于细分龙头、待验证阶段。[推测]
Philosophy sword
融合主轴尚未定义。这里将放：一句话定性、三线状态、三项判定与反证条件。
预留位 · 不参与当前分析